Tecniche e materiali innovativi per una produzione efficiente ed ecosostenibile

(1)

(2)

Università Politecnica delle Marche

Scuola di Dottorato di Ricerca in Scienze dell’Ingegneria Corso di Dottorato in Ingegneria Industriale

---

Tecniche e materiali innovativi per una

produzione efficiente ed ecosostenibile

Ph.D. Dissertation of:

Alessio D’Orazio

Advisor:

Prof. Archimede Forcellese

Ph.D. Course coordinator:

Prof. Ferruccio Mandorli

(3)

(4)

Università Politecnica delle Marche

Scuola di Dottorato di Ricerca in Scienze dell’Ingegneria Corso di Dottorato in Ingegneria Industriale

---

Tecniche e materiali innovativi per una

produzione efficiente ed ecosostenibile

Ph.D. Dissertation of:

Alessio D’Orazio

Advisor:

Prof. Archimede Forcellese

Ph.D. Course coordinator:

Prof. Ferruccio Mandorli

(5)

(6)

UNIVERSITÀ POLITECNICA DELLE MARCHE SCUOLA DI DOTTORATO IN SCIENZE DELL’INGEGNERIA

FACOLTÀ DI INGEGNERIA Via Brecce Bianche - 60131 - Ancona, Italy

(7)

(8)

Ringraziamenti

Dopo quasi quattro anni finisce qui un importante percorso della mia vita. In questo periodo ho avuto modo di conoscere molte persone e ciascuna di loro, nel bene e nel male, mi ha insegnato qualcosa, aiutandomi a crescere sia professionalmente che personalmente.

Rivolgo un primo e doveroso ringraziamento al Prof. Archimede Forcellese per avermi dato la possibilità di intraprendere questa strada e per avermi spronato, supportato e criticato costruttivamente durante questi anni.

Desidero inoltre ringraziare tutti i membri del gruppo di Tecnologie e sistemi di

lavorazione che hanno contribuito a creare un ambiente di amicizia,

collaborazione e grande professionalità.

Un ringraziamento particolare va al Sig. Marco Zannini e al Sig. Stefano Zannini, per avermi dato la possibilità di svolgere questa attività, e all’Ing. Saverio Zitti per la sua serietà e per avermi aiutato ad ampliare le mie capacità.

Ringrazio, inoltre, tutti coloro che fanno parte della Zannini SpA per la disponibilità e competenza dimostrata.

In ultimo, non per importanza, ringrazio la mia famiglia per il sostegno e l’incoraggiamento costante durante questi anni.

(9)

Sommario

La competitività delle aziende dipende dalla capacità di innovare prodotti e processi, tenendo in conto la gestione sostenibile delle risorse e la riduzione di impatti ambientali e sociali per il miglioramento della qualità della vita. Ciò implica un profondo cambiamento verso sistemi di produzione e di consumo più sostenibili accompagnato da un cambiamento culturale e di stili di vita, ovvero una transizione verso una green economy. L’eco-innovazione è il principale strumento della green economy e, dunque, dello sviluppo sostenibile. In particolare, grazie all’introduzione di una o più tecnologie ecoinnovative, le aziende possono conseguire una riduzione degli impatti ambientali osservabile lungo tutto il ciclo di vita dei propri prodotti e/o processi.

L’ecoinnovazione riguarda lo sviluppo di tecnologie di produzione più sostenibili ma anche l’utilizzo di materiali leggeri ed ecoinnovativi, soprattutto nel settore dell’automotive e in quello aeronautico, dove è più significativa la riduzione delle emissioni di CO2 connesse ad un risparmio del consumo di

carburante.

Alla luce di tutto ciò, lo scopo del presente lavoro di tesi è quello di investigare da più prospettive il concetto di sostenibilità ambientale nei processi manifatturieri.

(10)

Abstract

Nowadays, companies’ competitiveness depends on their ability to innovate products and processes, keeping in mind that a better quality of life is given by the sustainable management of resources and a lower impact on society and the environment. This involves a deep change towards more sustainable production and consumption systems along with a change in culture and life style, i.e. a transition towards a green economy. Eco-innovation is the main instrument of green economy and, consequently, of sustainable development.

In particular, thanks to the introduction of an environmentally friendly system, companies can achieve a reduction of their carbon footprint that can be observed along the entire life cycle of their products or processes.

The eco-innovation can consist in the development of manufacturing technologies more sustainable as well as in the development of new Eco-friendly and lightweight materials, especially in the automotive and aeronautical sectors, where the environmental benefit is greater with the reduction of carbon emission, coupled with the savings in fuel.

In light of this, the overall purpose of the work developed in this thesis is to analyze the environmental sustainability concept in the manufacturing processes through a Multiple-Perspective Approach.

(11)

Indice

1 Introduzione ... 1

1.1 Il concetto di sviluppo sostenibile ... 3

1.1.1 Nuovi percorsi della sostenibilità: processi ecoefficienti, Demanufacturing e materiali ecoinnovativi ... 5

1.1.1.1 Eco-efficienza ... 5

1.1.1.2 Demanufacturing ... 6

1.1.1.3 Materiali ecoinnovativi ... 8

1.3 Gli indicatori di sostenibilità ... 10

1.4 Struttura della Tesi ... 12

2 Friction Stir Welding (FSW) ... 14

2.1 Premessa ... 14

2.2 Applicazione della metodologia LCA (Life Cycle Assessment) per la valutazione dell’impatto ambientale ... 16

2.2.1 Obiettivo dello studio ... 16

2.2.2 Procedure sperimentali ... 17

2.2.3 Metodologia LCA (Life Cycle Assessment) ... 19

2.2.4 Risultati sperimentali e discussione ... 22

2.2.4.1 Influenza dei parametri di processo sull’impatto ambientale ... 22

2.2.4.2 Correlazione tra impatto ambientale e proprietà meccaniche dei giunti ... 31

2.3 Previsione della forza verticale con reti neurali artificiali ... 35

2.3.1 Obiettivo dello studio ... 35

2.3.2 Procedure sperimentali ... 39

2.3.3 Reti neurali artificiali (ANN) ... 42

2.3.4 Risultati sperimentali e discussione ... 46

3 Lavorazioni meccaniche Ecocompatibili ... 54

3.1 Premessa ... 54

(12)

3.2.2 Prove di tornitura ... 62

3.3 Risultati sperimentali e discussione ... 67

4 Materiali ecoinnovativi: Analisi del processo di Foratura di stacks ibridi CFRP/Alluminio ... 71

4.1 Premessa ... 71

4.2 Procedure sperimentali ... 74

4.3 Risultati sperimentali e discussione ... 79

Conclusioni ... 86

(13)

Lista delle figure

Figura 1.1: Quote del consumo globale finale di energia ed emissioni di CO2

per settore, 2005... 2

Figura 1.2: Consumo di energia nel 2009 in Italia e Germania ... 3

Figura 1.3: Le interconnessioni tra le dimensioni dello sviluppo sostenibile ... 5

Figura 1.4: Resistenza specifica-Rigidezza specifica per diversi materiali ... 9

Figura 1.5: Ciclo di vita di un prodotto in acciaio ... 10

Figura 1.6: La struttura della LCA proposta dalla ISO 14040... 12

Figura 2.1: Processo di FSW ... 15

Figura 2.2: a) Particolare del processo di saldatura FSW al CNC e b) utensile per le prove di FSW ... 17

Figura 2.3: Macchina di prova servoidraulica MTS 810 System ... 18

Figura 2.4: Schema Impact 2002+ ... 21

Figura 2.5: Effetto dei parametri di processo sul consumo di energia durante il processo di FSW ... 23

Figura 2.6: Effetto dei parametri di processo sui midpoint ... 27

Figura 2.7: Effetto dei parametri di processo sugli endpoint ... 29

Figura 2.8: Indice di impatto ambientale per le diverse condizioni di processo investigate ... 30

Figura 2.9: Provini saldati con FSW prima e dopo prova di trazione ... 31

Figura 2.10: Risultati prove di trazione ... 32

Figura 2.11: Effetto dei parametri di processo su (a) EIIUTS e (b) EIIUE ... 34

Figura 2.12: Schematizzazione Movimento Pin con Perdita di Affondamento 37 Figura 2.13: Le due aliquote che provocano la perdita di affondamento dell’utensile ... 38

Figura 2.14: Caratteristiche tecniche ed operative cella di carico Kistler 9041A ... 40

Figura 2.15: (a) configurazione celle di carico su piastra dinamometrica e (b) montaggio sul centro di lavoro ... 41

Figura 2.16: Architettura rete neurale ... 44

(14)

Figura 2.18: (a) Confronto tra le curve sperimentali e quelle previste dalla rete

al variare di v (ω= 1200 rpm) e (b) errore relativo ... 48

Figura 2.19: (a) Confronto tra le curve F-t sperimentali e quelle previste dalla rete al variare di v (ω= 1500 rpm) e (b) errore relativo ... 48

Figura 2.20: (a) Confronto tra le curve F-t sperimentali e quelle previste dalla rete al variare di v (ω= 2500 rpm) e (b) errore relativo ... 49

Figura 2.21: Grafico del coefficiente di correlazione ... 50

Figura 2.22: (a) Confronto tra le curve F-t sperimentali e quelle previste dalla rete, (b) errore relativo e (c) coefficiente di relazione per la condizione (ω= 1350 rpm, v= 80 mm/min)... 51

Figura 2.23: (a) Confronto tra le curve F-t sperimentali e quelle previste dalla rete, (b) errore relativo e (c) coefficiente di relazione per la condizione (ω= 1700 rpm, v= 45 mm/min)... 52

Figura 3.1: Boccola oggetto dello studio: (a) applicazione e (b) dimensioni .... 59

Figura 3.2: Processo di DCE ... 61

Figura 3.3: Attrezzatura utilizzata per processo di DCE ... 61

Figura 3.4: Forma componente stampato a freddo ... 62

Figura 3.5: Tornio INDEX ABC utilizzato per le prove di tornitura ... 63

Figura 3.6: Inserto utilizzato ... 63

Figura 3.7: (a) Tondo pieno e (b) componente sbozzato utilizzati per la sperimentazione ... 64

Figura 3.8: Rugosimetro Mitutoyo modello SV-3000 ... 66

Figura 3.9: Rotondimetro Mitutoyo modello RA-2200 ... 67

Figura 3.10: Andamento di VB in funzione del tempo di lavorazione ... 68

Figura 3.11: Andamento di Ra in funzione del tempo di lavorazione ... 69

Figura 3.12: Andamento della cilindricità in funzione del tempo di lavorazione ... 69

Figura 3.13: Quantità di truciolo prodotta nei due casi ... 70

Figura 4.1: Stack utilizzato per le prove di foratura ... 75

Figura 4.2: Schema di foratura e zona in cui è stata misurata la forza verticale76 Figura 4.3: Assieme piastra dinamometrica-stack ... 77

Figura 4.4: Quantificazione della delaminazione ... 78

Figura 4.5: Sistema con tastatore a contatto della macchina CMM per la misura del diametro dei fori... 79

(15)

Figura 4.6: Quantificazione del labbro di usura ... 80 Figura 4.7: Andamento del VB in funzione del numero di fori ... 80 Figura 4.8: Andamento della Forza in funzione del tempo di foratura per il primo e l’ultimo foro per la punta (a) rivestita DLC e (b) in TiAlN ... 81 Figura 4.9: Evoluzione della forza con il numero di fori realizzati ... 82 Figura 4.10: Andamento del DF con il numero di fori ... 83 Figura 4.11: Evoluzione del diametro dei fori per la punta (a) rivestita DLC e (b) in TiAlN ... 83 Figura 4.12: Correlazione del VB con (a) forza assiale, (b) fattore di

(16)

Lista delle tabelle

Tabella 2.1: Energia assorbita durante il processo di FSW ... 22

Tabella 2.2: Caratterizzazione midpoint ... 24

Tabella 2.3: Normalizzazione midpoint ... 26

Tabella 2.4: Caratterizzazione endpoint ... 27

Tabella 2.5: Normalizzazione endpoint ... 28

Tabella 2.6: Risultati prove di trazione ... 32

Tabella 2.7: Condizioni di processo utilizzate per costruire il training set ... 42

Tabella 2.8 : Condizioni utilizzate per la fase di testing ... 42

Tabella 2.9: Parametri utilizzati per la fase di training ... 44

Tabella 2.10: Valori dell'errore percentuale assoluto medio nella previsione delle curve F-T nelle diverse condizioni di processo investigate ... 49

Tabella 3.1 Composizione percentuale acciaio C15 ... 60

Tabella 3.2: Procedura per quantificare il VB secondo la norma ISO 3685:1993 ... 65

Tabella 4.1: Caratteristiche geometriche delle due punte utilizzate per gli esperimenti ... 75

(17)

Capitolo 1

Introduzione

Negli ultimi anni le problematiche connesse con il risparmio energetico hanno assunto un'importanza rilevante per tutta una serie di caratteri socio-economici che hanno spinto le società industrializzate a rapportarsi in termini più ragionati nei riguardi delle fonti di energia (costi crescenti dell’energia, inquinamento ambientale, innalzamento tendenziale della temperatura del pianeta, ecc.). Tutto ciò non poteva non coinvolgere i processi produttivi connessi con l’industria manifatturiera che si è posta l’obiettivo dell’innovazione tecnologica di processo e di prodotto per cercare di migliorare le prestazioni ambientali attraverso l’uso efficiente delle risorse e la riduzione dei rifiuti.

Nonostante i molti progressi compiuti dall’industria nel migliorare le prestazioni ambientali, i benefici in molti casi sono stati annullati dai crescenti volumi di produzione e consumo. Risulta inoltre sempre più evidente che la sfida principale

(18)

Capitolo 1 Introduzione

per il futuro è ridurre l’uso delle risorse naturali nella progettazione, produzione ed utilizzo di prodotti e materiali. I problemi ambientali oggi più importanti sono infatti legati all’uso delle risorse e dell’energia [1,2]. La produzione rimane un settore che globalmente consuma la maggiore quantità di energia, con una quota del 33% riguardando all’incirca il 38% delle emissioni totali di CO2 [3]. A

seguire si possono trovare le famiglie (29%) e il trasporto (26%), come si può notare dalla figura 1.1.

Figura 1.1: Quote del consumo globale finale di energia ed emissioni di CO2 per settore, 2005

Il trend dell’uso di energia naturalmente varia significativamente se si considerano diversi paesi e diverse regioni. Ad esempio in Italia il settore manifatturiero è responsabile del 28% del consumo di energia primaria, risultando così il settore più inquinante dietro il domestico. Invece in Germania l’industria è quella che ha un consumo maggiore, come si può vedere dal confronto mostrato in figura 1.2.

(19)

Figura 1.2: Consumo di energia nel 2009 in Italia e Germania

Come già detto in precedenza, negli ultimi decenni l’efficienza energetica industriale è migliorata e l’intensità di CO2 emessa è diminuita in molti settori.

Tuttavia, questo progresso è stato più che compensato in negativo da una crescita della produzione industriale mondiale. Le emissioni dirette per conto dell’industria manifatturiera, attualmente, incidono per il 20%. Per ridurre drasticamente queste emissioni sarà importante, quindi, nei prossimi anni la ricerca e lo sviluppo di tecnologie di produzione più sostenibili.

1.1 Il concetto di sviluppo sostenibile

Come si è visto nel paragrafo precedente, a causa delle crescenti sfide legate al cambiamento climatico e alla carenza delle risorse di combustibile fossile, c’è la necessità di introdurre pratiche di produzione più sostenibili che consentono un utilizzo più efficiente delle risorse naturali e riducono gli impatti negativi sull’ambiente.

La definizione più emblematica, diffusa e condivisa in letteratura di sviluppo

sostenibile è quella enunciata dalla W.C.E.D. nel Rapporto Bruntland del 1987:

(20)

esso soddisfi i bisogni delle generazioni presenti, senza compromettere la possibilità di soddisfacimento dei bisogni di quelle future” [4].

In questa definizione, chiaramente, non si parla solamente di tutela dell’ambiente; nonostante, infatti, il concetto di sostenibilità venga spesso associato all’ecologia ed alla green economy, con sviluppo sostenibile ci si riferisce, in generale, ad una crescita che prenda in considerazione il benessere degli individui a tutto tondo, compresa la tutela dei principi etici e sociali, il rispetto delle tradizioni e delle comunità. In sostanza, si tratta di una crescita equilibrata, sia delle imprese che di tutte le organizzazioni, le istituzioni e gli enti che con le loro attività interagiscono con l’ambiente circostante e con i vari stakeholders del caso.

In tale ottica, la sostenibilità è da intendersi non come uno stato o una visione immutabile, ma piuttosto come un processo continuo, che necessita di declinarsi su tre dimensioni fondamentali (“the triple bottom line” termine coniato per la prima volta da J. Elkington nel 1994) tra di loro concatenate [5,6] (Figura 1.3):

• sostenibilità ambientale: capacità di mantenere nel tempo qualità e riproducibilità delle risorse naturali, di preservare la diversità biologica e di garantire l’integrità degli ecosistemi;

• sostenibilità economica: capacità delle organizzazioni di generare

reddito in maniera continuativa e allo stesso tempo di fornire un posto di lavoro e maggiore welfare alla comunità in cui sono inserite.

• sostenibilità sociale: capacità di garantire alle generazioni attuali e a quelle future eque condizioni di benessere (divertimento, serenità, socialità) e l’accesso a beni considerati fondamentali (sicurezza, salute, istruzione).

(21)

Figura 1.3: Le interconnessioni tra le dimensioni dello sviluppo sostenibile

1.1.1 Nuovi percorsi della sostenibilità: processi ecoefficienti,

Demanufacturing e materiali ecoinnovativi

1.1.1.1 Eco-efficienza

Secondo il WBCSD (World Business Council for Sustainable Development) sono sette le dimensioni dell'eco-efficienza che un'impresa deve prendere in considerazione durante tutte le sue funzioni [7]: dal marketing allo sviluppo del prodotto, dalla produzione alla distribuzione dello stesso:

• Ridurre l'intensità delle materie utilizzate; • Ridurre l'intensità dell'energia utilizzata; • Ridurre la dispersione di sostanze tossiche; • Massimizzare l'uso di risorse rinnovabili, • Favorire la riciclabilità dei materiali,

• Aumentare la durata del prodotto,

(22)

• minimizzare l'uso di energia, acqua, suolo, favorendo la riciclabilità e la durata del prodotto con una particolare attenzione agli imballaggi; • minimizzare le emissioni, gli scarichi, la dispersione di sostanze tossiche

e promuovere l'uso di risorse rinnovabili;

• implementare gli SGA (Sistemi di Gestione Ambientale) da integrare con

l'esistente Sistema di Management Economico per costruire "l'approccio eco-efficiente".

• fornire ai consumatori i benefici di funzionalità, flessibilità e modularità del prodotto, con servizi aggiuntivi e focalizzando l'attenzione sulla vendita dei prodotti di cui i clienti effettivamente necessitano;

1.1.1.2 Demanufacturing

Il Demanufacturing può essere definito come la separazione dei singoli componenti che costituiscono un prodotto con l’obiettivo di riutilizzarli, rilavorare per recuperarne le funzioni e caratteristiche o, eventualmente, riciclarli per recuperare materiali nel caso le prime due opzioni non sono applicabili [8]. Pertanto, un sistema di Demanufacturing include un insieme di tecnologie, strumenti e metodi knowledge-based che consentono di ottimizzare il valore residuo dei rifiuti industriali e prodotti high-tech a fine vita, nell’ottica della “circular economy”[9-12].

Il Demanufacturing è un processo molto semplice, che permette di recuperare un grande quantitativo di materia prima se viene correttamente eseguito.

Ad esempio, in un solo frigorifero possono essere recuperati 28 chilogrammi di ferro, tre di alluminio e del prezioso rame in circa 40 chili complessivi di materia prima. Quindi, il quantitativo di materiale recuperabile in un elettrodomestico spiega la potenzialità e l’importanza di questo processo.

(23)

Per questo motivo, molte grandi aziende si stanno già attivamente adoperando su questo tema. Un esempio è il primo impianto pilota automatizzato realizzato dall’Istituto di Tecnologie Industriali e Automazione (ITIA) del Consiglio Nazionale delle Ricerche (CNR) di Milano in collaborazione con Candy e Magneti Marelli. Al fine di rendere il più efficiente possibile il processo di Demanufacturing sui prodotti a fine vita, è importante considerare nella fase preliminare di progettazione la migliore soluzione in termini di impatto ambientale, costi, qualità, ecc. [13,14]. A tal proposito, ci sono diversi approcci di tipo pratico/teorico, che forniscono molteplici spunti sia per quanto riguarda delle linee guida progettuali, sia per specifiche soluzioni tecniche. A tal proposito, abbiamo:

Design for disassembly: consiste nel considerare le operazioni di disassemblaggio cui il prodotto sarà sottoposto nel suo ciclo di vita e nell’ottimizzarle prima che inizi la fase produttiva. L’obiettivo principale è dunque la progettazione di un disassemblaggio efficiente ed economico, tale da consentire la riciclabilità ed il riuso di un prodotto, o tale da incrementarne la manutenibilità. Considerare tali aspetti in questa fase iniziale di progetto significa poter analizzare la semplicità di smontaggio e migliorarlo per poi rendere tale operazione concretamente attuabile. Un’operazione di smontaggio si presenta infatti non solo a fine vita del prodotto, ma anche tutte le volte che si rende necessaria una manutenzione: è quindi strettamente legata all’efficienza, all’affidabilità ed alla manutenibilità del prodotto. Ottimizzare il processo di smontaggio porta a numerosi vantaggi, in quanto offre la possibilità di ridurre i tempi richiesti, di abbassare il costo delle operazioni, di diminuire il bisogno energetico annesso e di automatizzare il processo. Design for Recycling: insieme di strategie che tendono ad ottimizzare la

(24)

la valutazione dei materiali nel ciclo di vita, la loro separabilità, il loro grado di purezza, la facilità di rimozione.

Design for Remanufacturing: consiste in una serie di strategie finalizzate al riuso e alla reimmissione di determinati componenti nella catena produttiva. Queste influiscono sui processi di montaggio e manutenzione.

Tali approcci, sviluppati per realizzare l’eco-design, a loro volta rientrano sotto quello che viene chiamato Design for Enviroment (DfE).

1.1.1.3 Materiali ecoinnovativi

Nella moderna realtà industriale si è sempre alla ricerca di materiali che consentano di ottenere componenti dalle prestazioni più elevate.

In particolare nel settore aeronautico, così come in quello dell’automotive, l’esigenza di ridurre i pesi è sempre più sentita.

Tale necessità deriva da problematiche legate al crescente inquinamento ambientale, in quanto esiste una stretta correlazione tra consumo di carburante e peso. La progettazione, dunque, mira a ridurre al minimo il peso dei componenti senza interferire sulla funzionalità, sulla sicurezza e sulla vita in esercizio. Risulta dunque di estremo interesse industriale l’impiego di leghe leggere, quali le leghe di alluminio e di magnesio.

Questa continua esigenza di alleggerimento strutturale sta sviluppando anche un crescente interesse verso i materiali compositi [15-17].

In particolare, come si può vedere dalla figura 1.4, essi sono ideali nelle applicazioni in cui sono richiesti elevati rapporti resistenza-peso (resistenza

(25)

Figura 1.4: Resistenza specifica-Rigidezza specifica per diversi materiali

Tuttavia, il motivo per cui i compositi stanno evolvendosi sempre di più, è soprattutto per i vantaggi che offrono sotto il profilo ambientale:

1. Molti studi hanno visto che i materiali compositi sono in grado di sostituire efficacemente acciaio e leghe leggere nei componenti strutturali destinati ai veicoli. Questo significa che nei prossimi anni si potranno avere auto con riduzioni di peso fino al 40% rispetto a quelle attuali. Tutto ciò è di notevole importanza, se si considera il fatto che l'unione europea ha delineato un piano che porterà entro il 2050 alla riduzione delle emissioni di CO2 del 60%;

(26)

termoplastiche e di fibre naturali hanno bassi impianti ambientali, e possono essere riutilizzate o stoccate senza inquinare;

3. L'avvento delle auto elettriche richiede anch'esso un risparmio in termini di peso, non essendo ancora proponibili potenze paragonabili a quelle dei motori a combustione interna.

1.3 Gli indicatori di sostenibilità

Nel contesto dello “sviluppo sostenibile” per il quale devono essere integrate assieme le sfere di sviluppo economico, sociale e ambientale nasce l’innovativa filosofia di pensiero denominata “Life Cycle Thinking” (LCT).

Tale idea implica una valutazione dell’intero ciclo di vita del processo o attività, comprendendo l’estrazione e il trattamento delle materie prime, la fabbricazione, il trasporto, la distribuzione, l’uso, il riuso, il riciclo e lo smaltimento finale (figura 1.5).

(27)

Pertanto, l’approccio di valutazione degli impatti relativo al ciclo di vita (LCT) cerca di identificare i miglioramenti che è possibile apportare ad un prodotto e/o un processo, sotto forma di minore impatto ambientale e la riduzione delle risorse tra tutte le fasi del ciclo di vita, analizzando complessivamente le relazioni tra sistema tecnologico e ambiente dalla culla alla tomba. Prima di essere conosciuta e applicata attraverso lo strumento metodologico del Life Cycle Assessment (LCA), la metodologia ha preso diversi nomi tra cui “Cradle to Grave analysis”,

“Life cycle Analysis”, “Ecobalance”, “Energy and Environmental Analisys”

ect. [18].

LCA è una metodologia standardizzata (ISO 14040 - 14044) e può essere definita come un “procedimento oggettivo di valutazione di carichi energetici ed

ambientali relativi ad un processo o un’attività, effettuato attraverso l’identificazione dell’energia e dei materiali usati e dei rifiuti rilasciati nell’ambiente. La valutazione include l’intero ciclo di vita del processo o attività, comprendendo l’estrazione e il trattamento delle materie prime, la fabbricazione, il trasporto, la distribuzione, il riuso, il riciclo e lo smaltimento finale” [19].

Secondo le norme ISO della serie 14040 [20,21] uno studio LCA si compone delle seguenti fasi:

1. definizione dell’obiettivo e del campo di applicazione (Goal and scope

definition);

2. analisi dell’inventario (Life Cycle Inventory- LCI);

3. valutazione degli impatti (Life Cycle Impact Assessment- LCIA); 4. interpretazione del ciclo di vita (Life Cycle Interpretation).

Una rappresentazione schematica delle suddette quattro fasi dello studio LCA è riportata in Figura 1.6:

(28)

Figura 1.6: La struttura della LCA proposta dalla ISO 14040

1.4 Struttura della Tesi

La presente tesi è strutturata in diversi macro argomenti suddivisi per capitoli e aventi come denominatore comune il tema dell’ecosostenibilità.

A tal proposito, è stata approfondita principalmente la sostenibilità ambientale, andando ad enfatizzare come essa sia fonte di innovazioni, sia di prodotto che di processo.

Il capitolo 2 ed il capitolo 3 affrontano il tema dell’ecoefficienza ed ecocompatibilità nei processi di lavorazione. Nello specifico, il capitolo 2 è incentrato sullo studio del processo innovativo di Friction Stir Welding (FSW) su leghe leggere, che viene considerato per le sue numerose caratteristiche, che mettono in luce l'elevato grado di compatibilità ambientale, una tecnologia

(29)

green. In particolare è stata condotta un’analisi LCA (Life Cycle Assessment) su

tale processo per valutarne l’impatto ambientale.

Per rendere tale tecnologia ancora più green, è stato inoltre costruito un modello basato sulle reti neurali artificiali (ANN) capace di modellizzare e di prevedere l’andamento della forza verticale che ha un impatto sulle proprietà meccaniche e sul consumo energetico.

Il capitolo 3, invece, è dedicato alle lavorazioni per asportazione di truciolo senza fluido lubrorefrigerante di componenti in acciaio, destinati al settore automotive, che hanno subito una lavorazione preliminare di stampaggio a freddo.

In particolare, tale studio è nato dalla stretta collaborazione con il Gruppo Zannini S.p.A. di Castelfidardo (AN), che come lo scenario industriale in generale, sta fronteggiando negli ultimi anni la sfida di rendere il processo produttivo un sistema economicamente efficiente e al contempo sostenibile, che nello specifico significa abbattere l’impatto ambientale, minimizzare il consumo energetico e limitare il consumo di risorse primarie.

Mentre, per quanto riguarda i materiali ecoinnovativi, il capitolo 4 ha come oggetto l’analisi del processo di foratura di stack ibridi formati da leghe di alluminio e materiali compositi rinforzati con fibre di carbonio (CFRP).

All’interno di ciascun capitolo vengono riportati i risultati ottenuti dalle diverse attività condotte, corredati con osservazioni conclusive.

Il presente lavoro è, quindi, chiuso da una sezione bibliografica in cui sono riportati tutti gli articoli e i testi consultati per la stesura del presente lavoro di tesi.

(30)

Capitolo 2

Friction Stir Welding (FSW)

2.1 Premessa

Il Friction Stir Welding è una tecnica recente di saldatura inventata dal TWI (The Welding Institute) a Cambridge (UK) nel dicembre del 1991 [22], ed è oggi utilizzata con successo in numerosi settori industriali come quello dell’automotive, navale e aerospaziale. Il FSW consiste nella saldatura allo stato solido di particolari metallici, in cui la giunzione avviene tramite il riscaldamento per attrito ed il rimescolamento del materiale ad opera di un utensile cilindrico, composto da una spalla (shoulder) e da una punta (pin), opportunamente sagomato. Quest’ultimo viene posizionato all’altezza della linea di giunzione dei componenti, che devono essere rigidamente accostati, quindi posto in rotazione e fatto traslare lungo la linea di giunzione, come mostrato in Figura 2.1.

(31)

Capitolo 2 Friction Stir Welding

Figura 2.1: Processo di FSW

Il calore sviluppato determina una riduzione del carico di snervamento del materiale che viene portato localmente allo stato plastico, rendendolo duttile e più facilmente modellabile. La saldatura per attrito, se confrontata con i processi tradizionali di saldatura, comporta un minor consumo di energia, un minor scarto di materiale e la totale assenza di radiazioni e fumi pericolosi per la salute [23,24], per questi motivi viene definita una green technology. Inoltre consente di saldare leghe metalliche leggere, come quelle di Al e di Mg, che non potrebbero essere saldate attraverso le tecniche convenzionali [25].

Per la FSW due parametri sono molto importanti, la velocità di rotazione (ω, rpm) dell’utensile e la sua velocità di avanzamento (v, mm/min) lungo la linea di giunzione della saldatura.

Una più elevata velocità di rotazione dell’utensile, a parità di velocità di avanzamento, comporta un incremento di temperatura a causa del maggior attrito e quindi un più intenso mescolamento del materiale.

In aggiunta alla velocità di rotazione dell’utensile e alla velocità di avanzamento, un altro parametro fondamentale, in quanto determina la riuscita e la qualità della saldatura [26], è rappresentato dall’affondamento dell’utensile all’interno del materiale da saldare. Quest’ultimo influenza direttamente il calore generato

(32)

durante il processo e di conseguenza anche la forza verticale e longitudinale che il tool esercita sulle piastre.

Quando la profondità di penetrazione è insufficiente, lo shoulder dell’utensile non è a contatto con l’originale superficie del pezzo in lavorazione.

Di conseguenza, la rotazione dello shoulder non può muovere il materiale mescolato in modo efficiente dalla parte anteriore a quella posteriore del pin, comportando una saldatura con una scanalatura interna o con una superficie scanalata. Quando la profondità di penetrazione invece è eccessiva, lo shoulder affonda notevolmente nel pezzo in lavorazione, generando nel cordone di saldatura un eccessivo bordo laterale. In questo caso, viene prodotta una saldatura sensibilmente concava, che porta ad un locale assottigliamento del giunto saldato.

2.2 Applicazione della metodologia LCA (Life

Cycle

Assessment

)

per

la

valutazione

dell’impatto ambientale

2.2.1 Obiettivo dello studio

Lo scopo dello studio è quello di valutare le performance ambientali di un processo innovativo di saldatura allo stato solido, ossia il Friction Stir Welding), su lamiere in lega di alluminio AA5754 al variare dei parametri di processo (v ed ω), con l’obiettivo di rendere tale tecnologia ancora più green. Inoltre, si è voluta stabilire una correlazione tra le proprietà meccaniche dei giunti e l’impatto ambientale.

La maggior parte degli studi disponibili in letteratura sul FSW si occupano dell’influenza dei parametri di processo e della geometria dell’utensile sulla

(33)

microstruttura e sulle proprietà meccaniche dei giunti saldati [27-32]. Mentre, nonostante venga considerata una tecnologia green, sono disponibili poche informazioni sul reale impatto ambientale di tale processo.

2.2.2 Procedure sperimentali

La saldatura FSW delle lamiere in lega di alluminio AA5754 è stata eseguita su un centro di lavoro a controllo numerico computerizzato (CNC) (Figura 2.2a) utilizzando un utensile in acciaio H13 (HRC = 52), caratterizzato da un pin a profilo troncoconico con diametro di base pari a 3,5 mm a ridosso dello shoulder, un angolo di 30° e altezza di 1,8 mm (Figura 2.2b).

Le lamiere usate per realizzare i giunti saldati misuravano 185 mm in lunghezza, 80 mm in larghezza e 2 mm in spessore.

Le prove sperimentali sono state condotte alla velocità costanti di rotazione (ω) pari a rispettivamente a 1200, 1500, 2000 e 2500 giri/min e di avanzamento (v) pari rispettivamente a 30, 60 e 100 mm/min.

Figura 2.2: a) Particolare del processo di saldatura FSW al CNC e b) utensile per le prove di FSW

(34)

La potenza assorbita dalla macchina durante tutto il processo è stata calcolata attraverso un amperometro, opportunamente collegato al centro di lavoro, che ha registrato i valori dell’intensità di corrente i quali, poi, sono stati convertiti in potenza.

Mentre, le proprietà meccaniche dei giunti saldati sono state valutate attraverso delle prove di trazione effettuate a temperatura ambiente con una macchina di prova servoidraulica MTS 810 System con cella di carico da 250 kN (figura 2.3). I campioni sono stati ricavati, rispettando i criteri di forma e dimensioni riportati nella normativa UNI-EN 10002/5, con direzione di applicazione del carico perpendicolare alla linea di saldatura

(35)

2.2.3 Metodologia LCA (Life Cycle Assessment)

I risultati ottenuti dalle prove sperimentali sono stati utilizzati come input per eseguire lo studio LCA per valutare l’impatto ambientale del processo di FSW. La prima attività è stata realizzare l’analisi dell’inventario (LCI), cioè la ricerca degli input, ossia di tutti gli elementi come combustibili, risorse e quantità di energia elettrica utilizzate nel processo, e degli output, cioè tutti i tipi di emissioni prodotte: emissioni in aria, in acqua, nel terreno ed eventuali materiali sottoposti a smaltimento o riciclo.

Nell’analisi LCA non sono stati considerati il trasporto delle materie prime fino al centro di saldatura e i possibili utilizzi delle lamiere saldate.

Invece, poiché però il processo di giunzione FSW produce della bava (welding

flash), dovuta all’affondamento dell’utensile , lungo il cordone di saldatura, si è

ritenuto opportuno considerare l’energia necessaria per asportarla attraverso un’operazione di sbavatura realizzata per mezzo di una fresa.

Analogamente, è stata considerata l’energia teorica assorbita da un’operazione di tranciatura (2.1), necessaria per eliminare le estremità della lamiera dove si verificano dei difetti dovuti all’ingresso e all’uscita dell’utensile usato per il processo di saldatura FSW.

= ∙ ∙ (2.1)

Dove:

• K_p= coefficiente di tranciatura • F_t= forza di taglio

• s = spessore della lamiera

L’ input considerato, quindi, è stato il consumo di energia elettrica per realizzare l’operazione di saldatura, sbavatura e tranciatura. Per quanto concerne gli output, essi sono l’olio lubrificante, che sarà indirizzato verso lo smaltimento, adoperato

(36)

movimentazione del mandrino e della tavola portapezzo, e la bava che tenderà a formarsi durante il processo, la quale verrà messa da parte per una futura rifusione.

Il modello di calcolo utilizzato per la realizzazione dell’analisi LCA è SimaPro

(System for Integrated Environmental Assessment of Products) nella versione

7.1, prodotto dalla società olandese PRé (Product Ecology Consultant).

Esso, permette di raccogliere, monitorare, analizzare le prestazioni ambientali di prodotti e servizi, esaminando cicli di vita anche complessi, secondo le raccomandazioni delle norme della serie ISO 14040.

Il metodo di valutazione ambientale denominato Impact 2002+, contenuto all’interno del Simapro, permette di raggruppare i risultati dell’LCI in 14 categorie di impatto midpoint (che diventano 15 se si considera che la categoria “Human Toxicity” sia suddivisa in “Carcinogenic” e “Non-carcinogenic”) collegate a loro volta a 4 categorie di danno endpoint [34], come mostrato in figura 2.4:

• “Human health”, espressa in DALY e derivata dalle 5 midpoint

categories Human toxicity, Respiratory (inorganics), Ionizing radiations, Ozone layer depletion, Photochemical oxidation (corrispondente alla voce Respiratory (organics) for human health);

• “Ecosystem quality”, espressa in PDF·m2·yr; derivata dalle midpoint categories Acquatic ecotoxicity, Terrestrial ecotoxicity, Terrestrial acidification / nutrification, Acquatic acidification, Acquatic eutrophication e Land occupation, alle quali potrebbero essere aggiunto l’apporto delle 10 midpoint categories già incontrate in Human Health, Photochemical oxidation e Ozone layer depletion. Ma quest’ultimo collegamento non è stato ancora determinato quantitativamente.

(37)

• “Climate change”, misurata in kg di CO2 equivalente in aria, derivata

dall’unica categoria di impatto Global warming;

• “Resources”, espressa in MJ costruita a partire dalle midpoint categories

Non renewable energy e Mineral extraction.

Figura 2.4: Schema Impact 2002+

Obiettivo principale comune a tutte le categorie di impatto è la determinazione degli effetti a lungo termine ottenuta mediante l’uso di un orizzonte temporale (time horizon) infinito (approssimato da un time horizon di 500 anni).

(38)

2.2.4 Risultati sperimentali e discussione

2.2.4.1 Influenza dei parametri di processo sull’impatto ambientale

La tabella 2.1 riassume i valori dell’energia elettrica consumata durante il processo di FSW, in funzione delle diverse velocità di rotazione ed avanzamento investigate nel presente studio.

Tabella 2.1: Energia assorbita durante il processo di FSW Energia assorbita [MJ] ω [rpm] 1200 1500 2000 2500 v [ m m /m in ] 30 0.82888 0.90804 0.89047 0.88341 60 0.51478 0.5508 0.53326 0.5200 100 0.37112 0.40229 0.38593 0.3801

Come mostrato in figura 2.5a, a parità di velocità di rotazione dell’utensile ω, un aumento della velocità di avanzamento v comporta una forte riduzione dell’energia assorbita durante il processo di FSW, così come una riduzione dei tempi di produzione. Invece, a parità di v, l’aumento di ω da 1200 a 1500 giri/min, comporta il maggior consumo di energia necessario per far girare più velocemente il mandrino. In seguito, l’incremento della velocità di rotazione fino a 2500 giri/min non comporta un ulteriore aumento dell’energia assorbita ma,

(39)

piuttosto, un andamento leggermente decrescente. Tale comportamento può essere attribuito all’effetto di addolcimento del materiale che fa diminuire la forza all’aumentare di ω [34]. Tale effetto, anche se minimo, prevale sull’energia spesa ed è sistematico come si può vedere nella figura 2.5b.

Figura 2.5: Effetto dei parametri di processo sul consumo di energia durante il processo di FSW

(40)

Quindi, partendo dall’analisi d’inventario sono state svolte le fasi di caratterizzazione, normalizzazione, valutazione dei danni e ponderazione secondo le specifiche del metodo Impact 2002+.

(41)

I fattori di caratterizzazione per le diverse categorie di impatto sono basati su un principio di equivalenza, cioè i punteggi assegnati alle diverse sostanze sono espressi in kg-equivalenti di una sostanza di riferimento

Nella tabella 2.2 vengono riportati i risultati ottenuti dalle operazioni di caratterizzazione sulle varie categorie di midpoint nelle diverse condizioni di v ed ω investigate.

Successivamente, i risultati ottenuti dalle operazioni di caratterizzazione vengono normalizzati (tabella 2.3), ovvero vengono elaborati in modo da poter confrontare i risultati ottenuti nelle diverse categorie d’impatto.

Nella normalizzazione è indispensabile scegliere una situazione di riferimento sia in termini di spazio che di tempo, poichè, dovrà essere la medesima per tutte le categorie di impatto se si vuole passare alla ponderazione. La ponderazione viene utilizzata quando è preferibile avere un unico punteggio piuttosto di una serie di valori che possono risultare difficili da confrontare. I metodi di ponderazione stabiliscono dei “pesi” per ciascun impatto ambientale; moltiplicando i valori della caratterizzazione per il rispettivo peso e sommando i valori così ottenuti si ottiene un indice adimensionale dell’impatto totale.

(42)

Tabella 2.3: Normalizzazione midpoint

Dai dati normalizzati in tabella 2.3, si può notare che le categorie nelle quali abbiamo gli impatti maggiori sono rispettivamente lo sfruttamento delle fonti di energia non rinnovabili, il riscaldamento globale, gli effetti sull’apparato respiratorio (dovuto a composti inorganici) e sull’ecotossicità terrestre; mentre

(43)

le restanti categorie sono praticamente nulle. In figura 2.6, vengono graficati gli impatti più significativi nelle diverse condizioni di processo investigate.

Figura 2.6: Effetto dei parametri di processo sui midpoint

Mentre, nella tabella 2.4 vengono riportati i risultati relativi alla caratterizzazione delle 4 categorie endpoint di valutazione dei danni in cui vanno a confluire le 15 categorie d’impatto.

(44)

Poiché gli indicatori sono espressi in unità di misura differenti, anche in questo caso è necessario effettuare l’operazione di normalizzazione per avere un confronto diretto tra le 4 categorie di endpoint (tabella 2.5).

In questo modo la normalizzazione consente di valutare l’entità dell’impatto ambientale generato dal processo oggetto dello studio, in relazione al carico ambientale totale relativo all’area geografica in cui il ciclo produttivo si colloca.

Tabella 2.5: Normalizzazione endpoint

Per avere una migliore comprensione dei risultati riportati in tabella 2.5, essi vengono graficati attraverso un istogramma (figura 2.7).

(45)

Figura 2.7: Effetto dei parametri di processo sugli endpoint

Dalla figura 2.7 si può notare come le categorie di danno relative ai cambiamenti climatici e al consumo di risorse sono quelle con l’impatto maggiore; ciò può essere ricollegato all’utilizzo del gas metano, petrolio e carbone necessari per la produzione di elettricità.

Allo stesso tempo, questo porta ad assegnare una forte porzione di danno anche alla salute umana, poiché la combustione degli idrocarburi è, fortemente, responsabile della formazione e dell’immissione nell’ambiente di particelle inorganiche e cancerogene. Infine, quella dei danni alla qualità degli ecosistemi (tossicità dell’acqua, sfruttamento del sottosuolo, ecc.) risulta essere la meno compromessa.

(46)

sommati per ottenere un unico indice (Environmental Impact Index). I risultati di tale operazione vengono mostrati in figura 2.8.

Figura 2.8: Indice di impatto ambientale per le diverse condizioni di processo investigate

Si può vedere dalla figura 2.8 che la saldatura caratterizzata da un minor impatto ambientale è quella realizzata rispettivamente con una velocità di rotazione dell’utensile pari a 1200 giri/min ed una velocità di avanzamento pari a 100 mm/min.

(47)

2.2.4.2 Correlazione tra impatto ambientale e proprietà

meccaniche dei giunti

Come già anticipato, per valutare le proprietà meccaniche dei giunti, ottenuti con le diverse condizioni di processo investigate, sono state effettuate delle prove di trazione in direzione ortogonale rispetto alla direzione di saldatura.

Il quadro delle prove eseguite è riportato in figura 2.9. Ognuna delle prove è stata ripetuta almeno tre volte per verificarne la ripetibilità.

Figura 2.9: Provini saldati con FSW prima e dopo prova di trazione

In figura 2.10 troviamo i risultati delle diverse prove di trazione, in termini di curve sforzo-deformazione.

(48)

Figura 2.10: Risultati prove di trazione

In tabella 2.6, invece, si riportano i valori ricavati dalle suddette curve ingegneristiche per i parametri meccanici di interesse, nello specifico la resistenza a trazione (UTS) e l’allungamento percentuale a rottura (UE).

(49)

Come si può notare dalla tabella 2.6, nei giunti ottenuti con la velocità di rotazione pari a 1500 giri/min, indipendentemente da v, si sono registrati i valori maggiori di resistenza a trazione e allungamento percentuale a rottura.

Però, allo stesso tempo, tale condizione di velocità di rotazione dell’utensile è quella che ha fatto registrare il maggior consumo di energia elettrica (figura 2.5) ed il peggior impatto ambientale (figura 2.8) per ogni condizione di v investigata. Alla luce di ciò, è stato interessante stabilire una relazione tra l’impatto ambientale del processo di FSW e le proprietà meccaniche dei giunti.

Per questo motivo si è proceduto alla definizione di due indici:

=

(2.1)

=

(2.2)

dove:

• EII: Indice di Impatto Ambientale

• UTS: Resistenza a trazione

• UE: Allungamento percentuale a rottura

In figura 2.11 vengono mostrati i risultati degli indici calcolati attraverso i rapporti 2.1 e 2.2 in funzione dei parametri di processo.

(50)

(a)

(b)

Figura 2.11: Effetto dei parametri di processo su (a) EIIUTS e (b) EIIUE

Si può notare dalla figura 2.11a, che a parità di velocita di rotazione, l’EIIUTS

decresce all’aumentare del valore della velocità di avanzamento, in accordo con il trend mostrato in figura 2.8. Così come l’aumento della velocità di rotazione è in accordo con quanto visto in figura 2.8.

Al contrario, EIIUE mostra un comportamento discordante con quello dell’EII,

poichè la condizione con ω = 1500 giri/min e v = 30 mm/min, che è risultata essere la peggiore dal punto di vista dell’EII, in questo caso mostra un basso

(51)

valore dell’EIIUE. Inoltre, nell’intervallo di ω (da 1200 a 1500 giri/min) e di v (da

60 a 100 mm/min) si può notare un’area contraddistinta da bassi valori dell’EIIUE,

ciò sta ad indicare come la duttilità possa avere un effetto benefico sull’impatto ambientale [35].

Dall’analisi dei dati riportati nei grafici delle figure 2.11a e 2.11b si evince come la condizione che garantisce il miglior compromesso tra sostenibilità ambientale e proprietà meccaniche, in termini di resistenza a trazione ed allungamento percentuale a rottura, è quella con una velocità di rotazione dell’utensile pari a 1200 giri/min ed una velocità di avanzamento dell’utensile pari a 100 mm/min.

2.3 Previsione della forza verticale con reti

neurali artificiali

2.3.1 Obiettivo dello studio

Le reti neurali costituiscono oggigiorno uno dei modelli matematici più sofisticati e complessi per l’elaborazione delle informazioni. In campo applicativo, questo le rende uno strumento particolarmente interessante per varie motivazioni. La prima è che esse, essendo come si suol dire, modelli a memoria associativa, imparano direttamente da esempi e non richiedono particolari conoscenze a priori sulla realtà che si vuole esaminare il che, in alcuni casi, le pone come unico approccio percorribile per la risoluzione dei problemi di estrazione dell’informazione. La seconda è la loro caratteristica di robustezza e tolleranza al rumore. Questa deriva dalla natura al tempo stesso parallela e distribuita in cui si struttura il modello neurale. Una terza importante motivazione risiede poi nelle proprietà di flessibilità e portabilità che caratterizzano questo tipo di algoritmi. La rete infatti riesce a fondere in maniera sinergica e costruttiva

(52)

elementi informativi provenienti da sorgenti fisicamente anche molto differenti tra loro. Per tali motivi, le Reti Neurali si sono diffuse in tutti quei campi dove i modelli analitici hanno fallito oppure dove la conoscenza dei dati sia incerta, insufficiente, o errata.

Ad esempio nei moderni sistemi di produzione può essere presente una grandissima varietà di materiali, di utensili e di condizioni operative; ciò comporta inevitabilmente il verificarsi di malfunzionamenti. Per far fronte agli errori, ai difetti e ai malfunzionamenti occorrono una modellistica di base dei processi produttivi e metodi di monitoraggio e controllo della produzione. Se le condizioni del processo potessero essere sempre determinate con esattezza in anticipo, le normali tecniche di modellazione software basate su modelli matematici analitici sarebbero sufficienti. Tuttavia i guasti e le condizioni anomale del processo introducono sempre un certo grado di incertezza e di impredicibilità, data anche dalle interconnessioni tra le diverse variabili di processo, ed è per questa ragione che nasce l’esigenza di impiegare tecniche avanzate quali quelle dell’intelligenza artificiale. L’unione delle tecnologie tradizionali con sistemi avanzati basati sulla conoscenza, come i modelli basati sulle reti neurali artificiali, consente di migliorare notevolmente il risultato finale, perché riesce ad identificare in maniera proattiva i problemi permettendo in questo modo di realizzare una produzione più efficiente e al contempo, sicuramente, più sostenibile dal punto di vista economico ed ambientale.

Negli ultimi anni, le reti neurali artificiali sono state oggetto di vari studi, al fine di risolvere problemi complessi in diversi ambiti tecnologici, quali il machining [36-39], saldature per fusione [40-45] e processi per deformazione plastica [46-53].

Per quanto concerne il Friction Stir Welding, Buffa et al. [54] hanno elaborato un modello basato sulle reti neurali artificiali per prevedere la microdurezza e la microstruttura finale nella saldatura di lamiere in lega di titanio.

(53)

Shojaeefard et al. [55] and Okuyucu et al. [56] hanno utilizzato le reti neurali per modellare la correlazione tra i parametri di processo e le proprietà meccaniche dei giunti. Altri autori [57] invece le hanno utilizzate per prevedere la temperatura, il momento torcente e la forza longitudinale. Mentre, dalla ricerca bibliografica effettuata non sono emersi lavori riguardo la previsione della forza verticale, che come già detto risulta, però, essere fondamentale sull'affondamento dell’utensile (quota del pin) e, di conseguenza, sulla buona riuscita della saldatura [58].

Nonostante la rilevante importanza di quest’ultimo, gli impianti di saldatura FSW disponibili sul mercato sono solitamente Macchine Operatrici a Controllo Numerico che attuano un controllo di posizione; mentre, non sono dotate anche di un sistema di controllo della forza verticale o, laddove tale funzionalità è prevista, l’azione viene espletata mediante dispositivi meccanici in un anello di controllo che fissa delle regole per la retroazione.

Poiché, però, lo spessore da saldare varia lungo il giunto per la tolleranza fisiologica del semilavorato, si generano delle perdite lungo l’asse Z, dette anche “perdite d’affondamento” dell’utensile (figura 2.12)

Figura 2.12: Schematizzazione Movimento Pin con Perdita di Affondamento

La perdita di affondamento è composta da due aliquote: una è dovuta all’attrezzo di fissaggio delle lamiere (che include la backing bar), l’altra è dovuta al supporto della testa operatrice e, per essere precisi, alla catena cinematica che

(54)

include i cuscinetti del mandrino oltre che tutti gli attuatori dell’end effector, come mostrato in Figura 2.13:

Figura 2.13: Le due aliquote che provocano la perdita di affondamento dell’utensile

Inoltre, le perdite lungo l’asse Z, dipendono anche dal tipo di materiale; in particolare, più questo è duro più le perdite saranno grandi, a causa dell’effetto delle più elevate reazioni vincolari del materiale. Infine, il tutto si complica ulteriormente se la traiettoria è più complessa e non tipicamente lineare.

Alla luce di tutto ciò, risulta quindi essere molto difficile stabilire il grado di affondamento dell’utensile ottimale, in quanto richiederebbe un numero elevato di prove sperimentali con conseguente consumo non indifferente di materia prima e di energia.

Se, però, il controllo della forza verticale e, di conseguenza, dell’affondamento venisse gestito da un algoritmo di controllo capace di compensare, durante

(55)

l’avanzamento la coordinata Z, si avrebbe che l’intero processo non avrebbe variazioni di affondamento e quindi disomogeneità delle proprietà meccaniche. In questo modo, l’intero processo di FSW verrebbe realizzato allo stesso valore ottimale di Forza verticale. Questo approccio innovativo è stato proposto anche da [61], in cui l’affondamento dell’utensile e la sua velocità di rotazione variano in funzione dello spessore della lamiera, con l’obiettivo di mantenere costante il valore della forza verticale durante l’intero processo di saldatura.

Questo sistema quindi, come accennato, consentirebbe un più elevato ritmo di produzione, un’alta precisione e riproducibilità del processo con conseguente riduzione degli scarti. In questo modo il processo di Friction Stir Welding risulterebbe essere più vantaggioso sia dal punto di vista economico ed ambientale, sia per quanto riguarda le prestazioni del giunto.

All’interno di tale contesto, il presente studio ha avuto come obiettivo la definizione e sviluppo di un modello matematico basato sulle reti neurali artificiali in grado di prevedere il valore e l’andamento della forza verticale durante il processo FSW su lamiere in lega di magnesio AZ31 al variare delle condizioni di processo in termini di velocità di rotazione (ω) e di velocità di avanzamento (v).

2.3.2 Procedure sperimentali

La saldatura FSW delle lamiere in lega di magnesio AZ31 è stata eseguita su un centro di lavoro a controllo numerico computerizzato (CNC) utilizzando un utensile in acciaio H13 (HRC = 52), con spalla del diametro di 12 mm e pin troncoconico con base di diametro 3,5 mm, un angolo di 30° e lunghezza di 1,7 mm.

Per misurare la forza verticale è stata utilizzata una piastra dinamometrica strumentata con tre celle di carico di tipo piezoelettrico KISTLER modello

(56)

9041A, le cui principali caratteristiche tecniche ed operative vengono riportate in figura 2.14.

Figura 2.14: Caratteristiche tecniche ed operative cella di carico Kistler 9041A

Il fissaggio delle celle di carico sulla piastra secondo una configurazione triangolare (figura 2.15a) ed il successivo montaggio della piastra sul centro di lavoro (figura 2.15b), sono stati realizzati in modo che la linea di saldatura coincidesse con quella di misura.

(57)

(a)

Figura 2.15: (a) configurazione celle di carico su piastra dinamometrica e (b) montaggio sul centro di lavoro

La piastra, opportunamente tarata nel range 0-90 kN, è stata collegata ad un amplificatore di segnale tipo FRIBOURG modello TA-3D, quest’ultimo a sua volta ad una scheda di acquisizione dati della National Instruments che permette di digitalizzare il segnale che viene poi elaborato dal software LabVIEW per visualizzare i risultati in tempo reale.

I valori della forza verticale sono stati registrati in funzione del tempo di saldatura, con una frequenza di campionamento pari ad 1Hz.

(58)

Per costruire il dataset necessario per allenare le reti neurali sono state realizzate prove sperimentali di saldatura FSW con diverse condizioni di velocità di rotazione (ω) ed avanzamento (v), riportate in tabella 2.7.

Tabella 2.7: Condizioni di processo utilizzate per costruire il training set v [mm/min] ɷ_[rpm] 30 60 100 1200 X X X 1500 X X X 2500 X X X

Mentre, le due condizioni mostrate in tabella 2.8 non sono state utilizzate per la fase di allenamento (training), ma bensì per la fase di test ovvero per la verifica della capacità di generalizzazione della rete neurale progettata.

Tabella 2.8 : Condizioni utilizzate per la fase di testing v [mm/min]

ɷ_[rpm]

45 80

1350 X

1700 X

2.3.3 Reti neurali artificiali (ANN)

Per la previsione della forza verticale durante il processo di Friction Stir Welding è stata utilizzata una rete neurale artificiale del tipo feedforward back

(59)

propagation multistrato, costruita attraverso il software MATLAB®.

Un'interessante proprietà delle reti neurali feedforward, che sono sicuramente il modello di rete neurale più diffuso, è quella di essere in grado di calcolare esattamente, se costruite con un numero sufficiente di elettroni, qualsiasi funzione analitica. Affinché una rete neurale funzioni è necessario che i parametri che la definiscono (architettura, funzione di attivazione, pesi sinaptici) vengano determinati in modo corretto. L'architettura di rete e la funzione di attivazione possono essere stabilite a priori in base alle conoscenze e agli obiettivi, ma per trovare dei valori corretti è necessario un processo di addestramento. In virtù di ciò, in figura 2.16 viene presentata l’architettura della rete neurale utilizzata; come si può vedere essa è caratterizzata da uno strato di ingresso composto da 4 neuroni, due strati nascosti anch’essi dotati di 4 neuroni ciascuno e uno strato di uscita comprendente un solo neurone.

Per quanto concerne gli input, dopo aver eseguito un consistente studio preliminare, sono stati scelti:

• la velocità di rotazione dell’utensile ω [giri/min]

• la velocità di avanzamento dell’utensile v [mm/min]

• il rapporto tra ω e v • il tempo [s]

(60)

Figura 2.16: Architettura rete neurale

In tabella 2.9, invece, vengono mostrate i parametri principali utilizzati per la fase di training.

Tabella 2.9: Parametri utilizzati per la fase di training

Caratteristica Tipo

Modello di rete neurale Feed-forward back propagation

Funzione di training Levenberg - Marquardt

Funzione di adattamento Metodo di discesa del gradiente

Funzione di trasferimento per gli strati

nascosti Sigmoidale

Funzione di trasferimento per lo strato

di uscita Lineare

Funzione obiettivo MSE (Errore quadratico medio)

Numero di epoche 300

(61)

L’errore quadratico medio è stato valutato per mezzo della seguente equazione: MSE= ∑ Fpred-Fexp

2 n

i=1 (2.3)

Dove:

• F_pred:Valore della forza verticale previsto dalla rete neurale • F_exp: Valore della forza verticale sperimentale

L’elevata capacità di riprodurre gli esempi incontrati durante la fase di addestramento non garantisce che la rete abbia anche un’elevata capacità di generalizzazione (che è ciò a cui si ambisce): in poche parole, una rete in grado di “imparare a memoria” ma incapace di “capire” è praticamente inutile. Dopo l’addestramento, essa viene quindi “testata” per verificarne la capacità di generalizzazione. La tecnica utilizzata è denominata Leave-one-out ed è un metodo di convalida incrociata (cross- validation): in pratica, si esclude iterativamente di volta in volta una condizione in termini di ω e v, tra quelle riportate in tabella 2.7, dall’addestramento della rete e si cerca poi di prevederne i valori alla luce di ciò che è stato appreso servendosi del resto del dataset non escluso. Le condizioni escluse di volta in volta costituiscono il validation set, mentre tutte le altre usate per l’addestramento rappresentano il training set [60]. La bontà di predizione della rete viene riconosciuta valutando l’errore relativo (RE) e l’errore percentuale assoluto medio (AARE) esistente tra i valori previsti dalla rete e i valori del validation set. L’errore relativo percentuale e quello percentuale assoluto medio, sono stati calcolati attraverso le seguenti equazioni: = ∙ 100 (2.4) = ∑ | | (2.5)

(62)

2.3.4 Risultati sperimentali e discussione

L’obiettivo del presente studio è stato quello di prevedere l’intero andamento della forza assiale applicata durante il processo di FSW in funzione del tempo. Il processo di Friction Stir Welding può essere suddiviso in 3 fasi principali, come mostrato in figura 2.17.

Figura 2.17: Fasi principali processo FSW

Nella prima fase il pin dell’utensile, posto in rotazione, affonda tra i lembi della lamiera da saldare facendo registrare un innalzamento della forza verticale a causa del crescente volume di materiale da mescolare. Poi la forza tende a decrescere, poiché l’innalzamento della temperatura causata dalla rotazione del pin genera un addolcimento del materiale. Nell’ultima parte della fase I la forza riprende a crescere repentinamente. Ciò è dovuto al fatto che la quantità di materiale che separa la superficie inferiore del pin rotante dalla piastra di supporto subisce un raffreddamento, a causa del trasferimento di calore verso la piastra che si trova ad una temperatura notevolmente più bassa. Inoltre un contributo a questo innalzamento del valore della forza è dato dal contatto e

(63)

affondamento dello shoulder con il materiale da saldare. Nella seconda fase, che rappresenta la vera e propria saldatura, viene comandato l’avanzamento dell’utensile ed il valore della forza verticale assume il valore massimo e tende a rimanere costante lungo tutto il tratto di saldatura.

L’ultima fase è relativa alla fine del processo e, di conseguenza, all’estrazione dell’utensile dal giunto saldato. Ciò, naturalmente, comporta una brusca diminuzione della forza fino al suo annullamento.

Per quanto concerne i risultati, le figure 2.18a, 2.19a. 2.20a mostrano il confronto tra le curve F-t previste con le reti neurali e quelle ottenute per via sperimentale a diverse condizioni di velocità di rotazione (ω) ed avanzamento (v). In tali figure si può osservare, chiaramente, come il modello matematico basato sulle reti neurali sia in grado di prevedere la forma della curva F-t in tutte le sue fasi caratterizzanti il processo di giunzione.

La bontà di questi risultati viene confermata dai valori dell’errore relativo percentuale (Figure 2.18b, 2.19b, 2.20b), calcolato utilizzando l’equazione (2.1), che si collocano nell’intervallo ±10%.

In particolare, nella prima fase del processo, ovvero quella relativa all’affondamento, si registrano i valori più alti di RE poiché la rete fa un po' più fatica a prevedere l’andamento della curva in questa fase, anche a causa dei diversi meccanismi sopra discussi. La capacità previsionale della rete migliora notevolmente nelle altre due fasi del processo, ciò viene confermato dal fatto che i valori di RE sono compresi nell’intervallo ±5%.

In tabella 2.10, invece, vengono riportati i valori dell’errore percentuale assoluto medio per le diverse condizioni di velocità di rotazione (ω) ed avanzamento (v) investigate. Come si può vedere, essi sono caratterizzati da bassi valori, compresi nell’intervallo tra 2,10 e 3,55%. Questo, in altre parole, sta a significare che la rete neurale elaborata ha un’eccellente capacità di generalizzazione.